企业官网建设流程全解析

PrimeKG案例研究实战：用知识图谱挖掘自闭症谱系障碍的基因-疾病关联

【免费下载链接】PrimeKGPrecision Medicine Knowledge Graph (PrimeKG)项目地址: https://gitcode.com/gh_mirrors/pr/PrimeKG

PrimeKG（Precision Medicine Knowledge Graph，精准医疗知识图谱）是哈佛大学团队打造的开源项目，它整合了 20 个高质量生物医学资源，以 400 多万条关系描述了 17,080 种疾病，为精准医疗研究提供开箱即用的知识图谱数据集。本文以项目自带的自闭症案例研究为线索，带你看懂如何用知识图谱挖掘自闭症谱系障碍（ASD）的基因-疾病关联，全程几乎不需要复杂代码。

📊 先认识 PrimeKG：多尺度知识图谱

PrimeKG 是一个异质知识图谱：10 万+ 个节点分布在 10 个主要生物尺度上——疾病、基因/蛋白、药物、表型、解剖区域、通路、基因功能、环境暴露等，节点之间由 29 种类型的关系边连接。与传统单一数据表不同，PrimeKG 中的疾病节点与基因、表型、解剖区域密集相连，支持沿图做多跳推理，这正是挖掘基因-疾病关联的关键。

另一个亮点是多模态临床知识：PrimeKG 为疾病和药物节点附带了来自 Mayo Clinic、Orphanet、DrugBank 等权威医学机构的文本描述，查询图谱的同时可以直接获取临床知识。

🛠️ 环境搭建：3 步上手

第 1 步：克隆仓库

git clone https://gitcode.com/gh_mirrors/pr/PrimeKG cd PrimeKG

第 2 步：安装依赖（二选一）

pip install -r updated_requirements.txt # 或使用 conda conda env create --name PrimeKG --file=environment.yml

第 3 步：加载数据。PrimeKG 以 CSV 形式发布，用 pandas 一行即可载入：

import pandas as pd primekg = pd.read_csv('kg.csv', low_memory=False)

💡 项目还提供Therapeutics Data Commons（TDC）和PyKEEN两种社区数据加载器，可参考 README 中的 "Using PrimeKG" 章节。

🧬 案例研究：在图谱中追踪自闭症谱系障碍

项目的 case_study/autism.ipynb 提供了完整示例，核心思路是一条证据链：从疾病出发 → 找到疾病关联的基因 → 再找到靶向这些基因的药物。下图就是该案例的官方示例图：

第一步：定位疾病实体

不同疾病资源对同一疾病的命名不同，案例先在 MONDO、Orphanet、UMLS 三个库中检索 "autism"，再选用命名更规范的MONDO中的 "autism spectrum disorder" 作为分析起点。这一步提醒我们：知识图谱分析前，统一实体命名非常重要。

第二步：查询疾病的直接药物关联

对图谱做单次查询即可命中边：

• autism spectrum disorder → Risperidone（利培酮，indication）

利培酮是用于缓解自闭症相关行为与情绪问题的第二代抗精神病药。图中右侧文本正是 PrimeKG 附着在药物节点上的 DrugBank 临床描述，左侧则是疾病节点的临床描述（来自 Mayo Clinic / Orphanet）——图谱结构与临床文本在此自然融合。

第三步：两跳推理，打通"疾病-基因-药物"

这是知识图谱真正的威力所在，沿边做两跳查询即可：

1. 疾病 → 基因：ASD 通过disease_protein关联边连接DRD1、HTR2A、OXT等基因；
2. 药物 → 靶点基因：利培酮通过drug_protein边的靶点恰是DRD1、HTR2A；
3. 取交集：药物靶点基因与疾病关联基因重合，为"利培酮作用于 ASD 相关基因"提供了跨数据源的机制佐证。

案例中还能继续向外推理：例如验证利培酮的血浆蛋白载体ALB（白蛋白）及其表达所在的解剖区域，或沿phenotype_protein边查看DRD1关联哪些表型——一条关联证据在图上可以展开成一张完整的证据网络。

💡 新手实战技巧

• 本质是查表：案例 notebook 全部操作都是对kg.csv的 pandas 查询，看懂x_name/y_name/relation三列即可复现全部结果；
• 善用特征文件：disease_features.csv与drug_features.csv存放各节点的临床文本描述，按节点索引即可取回，实现"结构+文本"联合查询；
• 注意 OMIM 扩展：2023 年 12 月起 PrimeKG 完整纳入了 OMIM 的基因-疾病关联，新增 61 万余条边，显著增强了罕见病的基因-疾病关联覆盖，处理脚本见datasets/processing_scripts/omim_tools.py；
• 想重建图谱？：knowledge_graph/build_graph.ipynb展示了如何将各数据源输出整合为最终图谱，datasets/primary_data_resources.sh汇总了 20 个数据源的下载方式。

📁 关键文件导航

🎯 小结

通过 PrimeKG 的自闭症案例可以看出：知识图谱把分散在 MONDO、DrugBank、NCBI Gene 等 20 个数据源中的证据"连"成了图，一次两跳查询就能完成"疾病 → 基因 → 药物"的关联挖掘，并附带权威临床文本。对于想入门生物医学知识图谱或精准医疗方向的同学，建议直接打开case_study/autism.ipynb跟着跑一遍——这是上手 PrimeKG 最快的路径。

【免费下载链接】PrimeKGPrecision Medicine Knowledge Graph (PrimeKG)项目地址: https://gitcode.com/gh_mirrors/pr/PrimeKG